- Primeros pasos
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales (anteriormente entidades)
- Etiquetas (predicciones, niveles de confianza, jerarquía, etc.)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Mensajes revisados y no revisados
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Administración
- Gestionar fuentes y conjuntos de datos
- Comprender la estructura de datos y los permisos
- Crear un origen de datos en la GUI
- Cargar un archivo CSV en un origen
- Crear un nuevo conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración de un conjunto de datos
- Eliminar mensajes a través de la IU
- Eliminar un conjunto de datos
- Exportar un conjunto de datos
- Uso de integraciones de Exchange
- Preparando datos para cargar archivos .CSV
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, los campos generales y los metadatos
- Jerarquía de etiquetas y mejores prácticas
- Definición de los objetivos de taxonomía
- Casos de uso de análisis frente a automatización
- Convertir tus objetivos en etiquetas
- Crear tu estructura de taxonomía
- Mejores prácticas de diseño de taxonomía
- Importar tu taxonomía
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa (NUEVO)
- Estado de Dastaset
- Entrenamiento de modelos y mejores prácticas de anotación
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Entrenamiento
- Introducción a Refinar
- Explicación de la precisión y la recuperación
- Precisión y recuperación
- ¿Cómo funciona la validación?
- Comprender y mejorar el rendimiento del modelo
- ¿Por qué una etiqueta puede tener una precisión media baja?
- Entrenamiento utilizando la etiqueta Comprobar y la etiqueta Perdida
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y utilizar Reequilibrar
- Cuándo dejar de entrenar tu modelo
- Uso de campos generales
- Aplicar etiquetas
- Revisar mensajes
- Buscar mensajes
- Edición de etiquetas
- Extracción generativa
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Información de licencia
- Preguntas frecuentes y más
Revisar mensajes
Permisos de usuario necesarios: 'Ver fuentes' Y 'Revisar y anotar'.
Información general
Revisar los mensajes no revisados y aceptar o rechazar las etiquetas previstas de la plataforma y los campos generales entrena aún más el modelo y su precisión.
Puedes revisar los mensajes no revisados en la mayoría de los modos de entrenamiento en Explorar y en Descubrir:
- Clúster (Discover)
- Buscar (Descubrir y explorar)
- Recientes (Explorar)
- Modo aleatorio (Explorar)
- Modo de etiqueta (Explorar)
- Enseñar (Explorar)
- Confianza baja (Explorar)
Asegúrate de aplicar todas las etiquetas relevantes de tu taxonomía a cada mensaje. Cuando revisas un mensaje, no solo le enseñas al modelo qué etiquetas se aplican, sino también qué etiquetas no. Si no aplicas todas las etiquetas relevantes, envías una señal de entrenamiento negativa al modelo, lo que afectará a su rendimiento.
La opacidad de una etiqueta indica la confianza de la predicción de la plataforma de esa etiqueta; una mayor opacidad indica una mayor confianza.
Al pasar el cursor sobre la etiqueta se abre un modal que muestra la confianza con la que el modelo ha predicho la etiqueta y, si el análisis de sentimiento está habilitado, el sentimiento neto.
- Al hacer clic en la etiqueta, o en el indicador de sentimiento (si el análisis de sentimiento está habilitado) se fija la etiqueta al mensaje, es decir, se confirma la predicción del modelo de esa etiqueta
- Si quieres cambiar la opinión de la etiqueta predicha, haz clic en la imagen de la cara que aparece al pasar el ratón por encima del mensaje
- Si la predicción es incorrecta, añade la correcta: esto descarta las predicciones incorrectas
Al pasar el cursor sobre el campo general se abre un modal que muestra la confianza con la que el modelo ha predicho el campo general.
Aceptar/rechazar un campo general
- Al hacer clic en 'Confirmar' en el campo general (o al hacer clic en la tecla de acceso rápido, que es '1' para confirmar un campo general), se fija el campo general al mensaje, es decir, se confirma la predicción del modelo de esa etiqueta
- Al hacer clic en 'Descartar' en el campo general (o al hacer clic en la tecla de acceso rápido, que es '2' para descartar un campo general), se indica a la plataforma que el campo general previsto es incorrecto
- Hacer clic en el botón Cambiar campo general nos permite asignar un campo general diferente, si el campo general previsto es incorrecto
- En el ejemplo anterior, al hacer clic en este botón se mostrarán los otros campos generales de nuestro conjunto de datos que podemos asignar
- En este caso, podemos cambiar el tipo de campo general de 'Fecha de cancelación' a 'Inicio de la política' en este menú desplegable, que asignará este campo general
